CV-CUDA

GPU 批量跑图像预处理，云端视觉吞吐翻倍

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 266 🐛 待处理 70 👀 关注 42

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2731

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源免费，Apache 2.0 许可证

项目预览

项目数据

分类计算机视觉

开发团队CVCUDA

官网地址https://cvcuda.github.io

GitHubhttps://github.com/CVCUDA/CV-CUDA

定价模式🏷️完全免费

价格说明开源免费，Apache 2.0 许可证

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言C++

技术栈/模型bytedance,cloud,computer-vision,cpp,cuda,cv-cuda,gpu,image-processing,machine-learning,nvidia,python

GitHub 星标★ 2731

上线时间2022-08-23 00:00:00

代码更新2026-10-20

仓库体积51.1 MB

本站数据更新2026-11-03

维护状态较活跃

收录时间2026-09-17

浏览次数1

项目介绍

CV-CUDA 是字节跳动与英伟达联合开源、面向云规模图像处理与计算机视觉的 GPU 加速库。它针对传统 OpenCV 在 CPU 上处理高并发视频流时吞吐不足、延迟高的问题，把常用图像预处理与后处理算子（如缩放、裁剪、色彩空间转换、归一化、NMS 等）用 CUDA 重写，并以批处理方式在 GPU 上并行执行，从而大幅提升单位时间可处理的图像数量。库提供 C++ 与 Python 接口，算子可独立调用，也能与 PyTorch、TensorFlow 等深度学习推理流水线组合，适合部署在数据中心 GPU 上做视频解码后的前处理、模型推理后的后处理等环节。其设计强调零拷贝、批处理和算子融合，目标是让云端视觉服务在相同硬件下获得更高吞吐和更低延迟。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-17 · 当前星标 ★ 2731

技术标签

bytedance cloud computer-vision cpp cuda

使用教程

难度：入门约 10 分钟部署方式：库/依赖 4 步

环境要求

Linux 系统，架构为 x86_64 或 aarch64（官方预编译 wheel 仅覆盖 Linux 平台）
Python 3.10 至 3.14
已安装 CUDA 12 或 CUDA 13 的 NVIDIA GPU 环境
若选择源码构建，建议使用官方 Docker devel 镜像（见 docker/README.md）

安装与启动步骤

1确认本地环境

先确认系统为 Linux（x86_64/aarch64）、Python 在 3.10–3.14 之间，并查清本机 CUDA 是 12 还是 13，以便选择对应的 wheel 包。
2安装 CUDA 12 版本

本机 CUDA 为 12.x 时，直接从 PyPI 安装 cvcuda-cu12 预编译 wheel，无需自行编译。
```
pip install cvcuda-cu12
```
3安装 CUDA 13 版本

本机 CUDA 为 13.x 时，改用 cvcuda-cu13。二者按 CUDA 版本二选一安装，不要同时装。
```
pip install cvcuda-cu13
```
4验证 Python 导入

在 Python 中导入 cvcuda，若无报错即说明库与 CUDA 环境匹配、安装成功。
```
python -c "import cvcuda"
```

如何确认成功

执行 python -c "import cvcuda" 无任何报错即表示安装成功；如报错多为 CUDA 版本与 wheel 不匹配。

常见问题

Q：应该装 cvcuda-cu12 还是 cvcuda-cu13？

A：取决于本机 CUDA 版本：CUDA 12.x 装 cvcuda-cu12，CUDA 13.x 装 cvcuda-cu13，README 就是按这两个版本分别提供 wheel 的。

Q：支持 Windows 或 macOS 吗？

A：README 说明预编译 Python wheel 只面向 Linux 平台（x86_64 与 aarch64），未提及 Windows/macOS 的预编译包。

Q：需要执行 git submodule update --init 吗？

A：不需要。README 明确指出 CV-CUDA 已不再使用 git submodule，执行该命令不会拉到任何内容。

Q：支持哪些 Python 版本？

A：PyPI 上的预编译 wheel 覆盖 Python 3.10 到 3.14。

Q：能不能自己从源码构建？

A：可以。构建依赖已预装在官方 Docker devel 镜像中，容器外构建的依赖清单见官网 Installation 指南。

注意事项

预编译 wheel 仅覆盖 Linux 的 x86_64 与 aarch64 平台，其他平台需参考官网 Installation 页自行构建。
除 Python wheel 外，官方还提供 Debian 包和 tar 归档，完整安装方式见 https://cvcuda.github.io/CV-CUDA/installation.html。
源码构建依赖通过 CMake 的 find_package 解析，DLPack 未安装时使用 FetchContent 回退。
仓库不再使用 git submodule，克隆后无需初始化子模块。